语音识别 API [关闭]

Question

我有一个 java 应用程序。我想在它上面实现一个语音识别功能。

就像这样：

假设我有一些记录被用户称为“嘿”，“一”，“二”，“茶”。当他/她说“嘿”时，语音识别api应该识别记录的第一个输入. "hey", "one", "two, "tea" 可以是非英语单词。

我已经在寻找一些支持语音识别或具有音频指纹算法的 API。但我不想使用它们。

让我解释一下为什么我不使用这些 api。 首先，语音识别api尝试理解单词并转换为文本。但是，这仅限于 api 支持的语言。即使语音识别 api 支持英语。由于用户的发音不好，它可能会给出不好的结果。所以我不想在我的应用程序上使用语音识别 api。因为该功能不应该基于语言。

此外，当我寻找语音识别 api 时，我找到了“音频指纹” api。我使用了开源的“musicg” api。然后，我开发了一个测试应用程序。该应用程序记录了 4 个不同的音频文件，其中包含 unword 语音。之后，我录制了一个与其中一个相似的声音，并且测试 api 使用 musicg api 将最后一个与以前的音频文件进行了比较。但是结果也很糟糕。

正如我之前提到的，我需要一个语音识别功能，就像旧手机一样。

Answer 1

检查卡迪http://kaldi-asr.org/ 或者这个 tensorflow 教程：https://www.tensorflow.org/tutorials/audio_recognition

在这两种情况下，您都可以训练模型，它不是基于语言的。您可以针对某些特定的声音或口音或某些特定的上下文训练模型。

另外，也许这个项目会让你感兴趣：https://github.com/cmusphinx/g2p-seq2seq 它不使用语言模型并将音频转换为音素。